Python數(shù)據(jù)分析與挖掘培訓(xùn)

Python訓(xùn)練

1.1Python基礎(chǔ)知識
1.1.1 Python環(huán)境搭建、庫的安裝
1.1.2 Python數(shù)據(jù)類型及結(jié)構(gòu)
1.1.3 數(shù)據(jù)的導(dǎo)入導(dǎo)出
1.1.4 常用數(shù)據(jù)管理
1.1.5 控制流
1.2 Python函數(shù)
1.2.1 Python常見數(shù)據(jù)函數(shù)
1.2.2 函數(shù)自定義
1.3 Python數(shù)據(jù)挖掘常用模塊
1.3.1 Numpy
1.3.2 pandas
1.3.3 Python機器學(xué)習(xí)庫：Scikit－learn

數(shù)據(jù)挖掘

2.1 數(shù)據(jù)挖掘概論
2.1.1 什么是數(shù)據(jù)挖掘
2.1.2 數(shù)據(jù)挖掘、機器學(xué)習(xí)與人工智能
2.1.3 數(shù)據(jù)挖掘的基本過程
2.1.4 模型評估
2.2 數(shù)據(jù)挖掘算法及編程實現(xiàn)
2.2.1 回歸分析
2.2.2 決策樹
2.2.3 KNN
2.2.4 樸素貝葉斯
2.2.5 人工神經(jīng)網(wǎng)絡(luò)
2.2.6 K-means聚類分析
2.2.7 層次聚類
2.2.8 其他聚類算法

數(shù)據(jù)挖
掘案例

3.1 關(guān)聯(lián)規(guī)則
3.1.1 背景與挖掘目標(biāo)
3.1.2 分析方法與過程
3.1.3 上機實驗
3.1.4 拓展思考
3.2 電商網(wǎng)站智能推薦
3.2.1 背景與挖掘目標(biāo)
3.2.2 分析方法與過程